Acryptoinvest.news: Что такое Dogecoin и как он работает?

cryptonews.ruDipublikasikan tanggal 2025-02-17Terakhir diperbarui pada 2025-08-18

Dogecoin — криптовалюта, которая произвела фурор в мире цифровых валют. Изначально созданная как шутка, она приобрела огромную популярность и даже получила поддержку таких известных личностей, как Илон Маск.

Но что такое Dogecoin и как он работает? Если вы новичок в мире криптовалют и хотите узнать о DOGE больше, это руководство от Acryptoinvest.news для начинающих предоставит вам всю необходимую информацию для начала работы. Мы рассмотрим все тонкости Dogecoin, от его происхождения до нынешней популярности, и поможем вам понять, как он работает.

Что такое Dogecoin?

Dogecoin, часто известный по тикеру DOGE, — это цифровая валюта, представленная в 2013 году. В отличие от многих других криптовалют, Dogecoin не создавался для решения какой-либо конкретной задачи; его происхождение было вдохновлено комедийным интернет-мемом с собакой породы сиба-ину. Это уникальное происхождение, основанное на юморе и интернет-культуре, позволило Dogecoin занять особое место в широком криптовалютном сообществе.

Монета была разработана инженерами-программистами Билли Маркусом и Джексоном Палмером, которые адаптировали открытый исходный код биткоина и его производной Litecoin для создания Dogecoin. Несмотря на своё беззаботное начало, Dogecoin стал серьёзным игроком в криптопространстве, во многом благодаря активному и энтузиастичному сообществу.

Хотя Dogecoin не обладает множеством уникальных особенностей, отличающих его от других криптовалют, у него есть несколько особенностей, которые делают его интересным. Одна из них — неограниченный выпуск. В отличие от биткоина, выпуск которого ограничен 21 миллионом монет, Dogecoin можно майнить бесконечно, что приводит к постоянной инфляции.

Это делает Dogecoin менее подходящим для сбережения, но потенциально более полезным для транзакций, особенно для чаевых или небольших платежей. Ещё одной примечательной особенностью Dogecoin является более высокая скорость транзакций по сравнению с Bitcoin: блоки в блокчейне Dogecoin создаются каждую минуту, в отличие от десятиминутного времени создания блока в Bitcoin.

Несмотря на эти преимущества, важно отметить, что будущее Dogecoin неопределенно. Несмотря на энтузиазм сообщества и высокую скорость транзакций, одних этих факторов может быть недостаточно для обеспечения долгосрочного успеха.

Кошельки и биржи Dogecoin

Что касается хранения и торговли Dogecoin, пользователям доступно несколько вариантов. Dogecoin можно хранить на криптовалютной бирже, где его можно купить или продать, как и любой другой цифровой актив. Однако хранение Dogecoin на бирже может ограничить контроль над своими средствами. В качестве альтернативы, Dogecoin можно хранить в личном кошельке, размещенном на вашем компьютере. Такие кошельки обеспечивают большую безопасность и контроль, но и налагают большую ответственность. Перед переводом средств крайне важно убедиться, что выбранный кошелек совместим с Dogecoin.

Что касается торговли Dogecoin, то эту монету с собачьей тематикой поддерживают различные криптовалютные биржи. Эти платформы позволяют пользователям покупать и продавать Dogecoin за фиатные деньги, стейблкоины и другие криптовалюты. Некоторые платформы даже позволяют совершать личные транзакции.

Кроме того, Dogecoin можно использовать для оплаты. Например, в 2021 году команда Национальной баскетбольной ассоциации «Даллас Маверикс», спонсируемая Марком Кьюбаном, открыла возможность оплаты товаров и билетов через Dogecoin.

Наконец, стоит отметить, что техническое развитие Dogecoin на протяжении многих лет оставалось стабильным, что отражено на его странице на Github. Низкие комиссии за транзакции по сравнению с другими криптовалютами остаются его важным преимуществом. Однако важно также учитывать, что, несмотря на большой объём эмиссии, значительная доля от общего объёма монет Dogecoin сосредоточена в руках небольшого числа владельцев.

Bacaan Terkait

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

**Ringkasan:** Meskipun AI melanda dunia, kombinasi Crypto + AI tampak suram. Analisis dari sisi permintaan mengungkap empat bidang utama dan tantangannya: 1. **Komputasi & Penyimpanan Terdesentralisasi:** Menawarkan kedaulatan data dan biaya potensial lebih rendah, tetapi belum memberikan keunggulan teknologi yang meyakinkan bagi perusahaan yang sudah terikat dengan penyedia cloud tradisional. Risiko ketidakstabilan menghalangi adopsi. 2. **Pasar Data & Validasi Model/Privasi:** Teknologi seperti ZKML memecahkan masalah transparansi dan kepemilikan data, tetapi ini bukan prioritas mendesak bagi bisnis saat ini. Permintaan kemungkinan akan mengikuti regulasi (misalnya, Undang-Undang AI UE). 3. **Infrastruktur Agen AI:** Mengembangkan dasar untuk interaksi otonom antar agen, tetapi fokus pasar saat ini adalah otomatisasi proses internal. Permintaan belum matang untuk infrastruktur tahap berikutnya ini. 4. **Pembayaran Agen AI:** Satu-satunya bidang di mana blockchain bersaing langsung dengan keuangan tradisional. Keduanya belum sepenuhnya memecahkan masalah pembayaran mikro real-time antar mesin. **Masalah Inti: Ketidaksesuaian Pasokan-Permintaan.** Visi blockchain (desentralisasi, transparansi) tidak selaras dengan kebutuhan mendesak industri AI (kinerja, stabilitas, ROI). Kurangnya kasus penggunaan percontohan skala besar semakin menghambat adopsi. **Nilai Jangka Panjang:** Kombinasi ini memiliki logika yang kuat, tetapi perkembangannya bergantung pada kemampuannya beradaptasi dengan kebutuhan pasar saat ini atau menunggu permintaan masa depan (seperti ekonomi agen otonom) menjadi matang. Jalannya akan ditentukan oleh keselarasan dengan kebutuhan pasar yang nyata.

Foresight News1m yang lalu

AI Melanda Dunia, Mengapa Crypto + AI Terlihat Lesu?

Foresight News1m yang lalu

ETF Alami Keluar Bersih Berkelanjutan, Apakah Institusi Sedang Keluar?

Selama enam minggu terakhir, dana ETF Bitcoin spot ASR mengalami arus keluar bersih sekitar $6 miliar, mencatat periode mingguan terpanjang dengan penurunan sejak diluncurkan pada tahun 2024. IBIT milik BlackRock, dana terbesar, menjadi penyumbang utama, dengan $1,3 miliar mengalir keluar dalam satu minggu terakhir saja. Data on-chain menunjukkan penjualan terutama berasal dari dana konfigurasi yang membeli ETF melalui akun broker, bukan dari pemegang jangka panjang (>155 hari) yang masih menguasai ~83% pasokan yang beredar. Perilaku ini menyerupai penyesuaian portofolio untuk mengurangi risiko (*de-risking*) karena meningkatnya inflasi, suku bunga, dan aliran modal ke sektor lain seperti infrastruktur AI dan IPO. Kerugian yang direalisasi melonjak 78%, dengan banyak penjual menjual pada kisaran biaya $55.000-$68.000. Meski kecepatan arus keluar melambat signifikan (dari $1,72 miliar menjadi $226,8 juta), tekanan struktural tetap ada karena skala besar IBIT menciptakan tekanan jualnya sendiri. Tanpa pembeli baru yang masuk dari sisi ETF atau pasar spot, harga sulit bertahan. Arah pasar selanjutnya bergantung pada apakah arus keluar IBIT melambat dan Bitcoin dapat bertahan di atas $60.000, atau jika penjualan besar berlanjut dan harga jatuh di bawah $58.000, yang akan menguji kemampuan pembeli non-ETF dalam menyerap tekanan jual. ETF, meski mempermudah akses, tidak menghilangkan volatilitas aset.

marsbit44m yang lalu

ETF Alami Keluar Bersih Berkelanjutan, Apakah Institusi Sedang Keluar?

marsbit44m yang lalu

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

**Ringkasan Konsep Model Dunia: Dari Psikologi ke Medan Utama AI** Model Dunia adalah konsep yang sangat hangat di dunia AI namun sering membingungkan banyak orang. Pada dasarnya, model dunia bertujuan memberi mesin "papan pasir mental" untuk mensimulasikan dan memprediksi kejadian di dunia nyata sebelum bertindak. Kemampuan ini, yang dalam psikologi disebut "model mental", memungkinkan AI berlatih dan bereksperimen secara virtual, mengurangi ketergantungan pada data dunia nyata yang mahal dan terbatas. Konsep ini berakar dari ide psikolog Kenneth Craik (1943) tentang bagaimana otak membangun model internal untuk memprediksi peristiwa. Di AI, pionir seperti Marvin Minsky dengan "Teori Kerangka" dan peneliti seperti David Ha serta Jürgen Schmidhuber (2018) menghidupkan kembali konsep ini dalam pembelajaran mendalam. Para ahli memiliki pandangan berbeda: * **Yann LeCun** (Meta) mengkritik LLM dan mengadvokasi model prediktif seperti JEPA yang memahami struktur fisika dunia, bukan hanya menghasilkan konten. * **Fei-Fei Li** (Stanford/World Labs) mengklasifikasikan model dunia menjadi tiga jenis berdasarkan siklus "aksi-observasi": **Perender** (menghasilkan piksel/visual), **Simulator** (menghasilkan status dunia dengan akurasi struktural/fisik), dan **Perencana** (menghasilkan aksi). * **Tim FIB-Lab Tsinghua** membaginya menjadi dua fungsi inti: **Memahami Dunia** (mendukung pengambilan keputusan) dan **Memprediksi Masa Depan** (menghasilkan status/video masa depan). Perusahaan teknologi besar juga mendefinisikannya sesuai kebutuhan: * **OpenAI** menyebut **Sora** sebagai "simulator dunia" berbasis video. * **Google DeepMind** membangun **Genie 3** sebagai model dunia 3D interaktif waktu-nyata. * **NVIDIA** mengembangkan **Cosmos** sebagai platform "model fondasi dunia" untuk AI fisik. * **Perusahaan China** seperti Alibaba, Tencent, Huawei, dan pembuat mobil (NIO, XPeng, Li Auto) mengembangkan solusi serupa untuk simulasi mengemudi, robotika, dan dunia virtual, meski sering menggunakan nama berbeda. Secara teknis, ada tiga jalur pendekatan utama: 1. **"Melukis" (Generatif)**: Model pembuat video seperti Sora. Keunggulan visual, tetapi konsistensi fisika lemah. 2. **"Kalkulasi Mental" (Prediktif Abstrak)**: Seperti JEPA LeCun. Memprediksi representasi abstrak, efisien dan lebih stabil mempelajari fisika, tetapi kurang terinterpretasi. 3. **"Menyusun Balok" (Simulasi 3D Eksplisit)**: Seperti NVIDIA Omniverse. Menghasilkan lingkungan 3D dengan properti geometri dan fisika. Tepat dan dapat dikontrol, tetapi memerlukan data khusus dan mahal. Perkembangan terkini bergerak menuju **Model Aksi Dunia (WAM)** yang menggabungkan prediksi keadaan masa depan dan pembuatan aksi dalam satu model, mencapai "pengetahuan dan tindakan yang selaras" untuk robotika. Industri model dunia mulai terbentuk dalam tiga lapisan: * **Lapisan Dasar**: Data, daya komputasi (didominasi GPU NVIDIA), dan sensor. * **Lapisan Platform Teknis**: Platform serbaguna (Omniverse, Pangu) dan platform vertikal (untuk mobil otonom, konstruksi). * **Lapisan Aplikasi**: Mobil otonom (paling matang), robotika, game, konstruksi cerdas, layanan spasial, simulasi medis. Kekacauan dalam penamaan dan definisi sebenarnya adalah tanda awal revolusi teknologi, mirip dengan fase awal komputasi awan atau AI. Semua pendekatan, meski berbeda, mengarah pada tujuan yang sama: memberdayakan mesin dengan model internal dunia yang dapat disimulasikan untuk bertindak lebih aman, efisien, dan cerdas di dunia nyata. Konsep akan menyatu ketika teknologinya matang. Saat ini, ketidakseragaman justru menandakan bahwa model dunia telah memasuki medan pertempuran utama pengembangan AI.

marsbit1j yang lalu

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

marsbit1j yang lalu

IBIT Alami Outflow Rp 185 Triliun dalam Seminggu, ETF Bitcoin Terbesar Berubah Menjadi Tembok Tekanan Jual yang Harus Ditembus Bull

IBIT, ETF Bitcoin terbesar dari BlackRock, menyumbang 73% dari total aliran keluar bersih ETF Bitcoin spot AS pekan lalu, dengan penarikan dana sebesar $1,3 miliar dalam satu minggu. Hal ini mengubah narasi ETF yang sebelumnya menjadi saluran masuk utama modal institusional menjadi sumber tekanan jual potensial. Aliran keluar yang terkonsentrasi di produk terbesar dan paling likuid ini menguji ketahanan Bitcoin di level kritis sekitar $60.000. Data dari Farside Investors menunjukkan bahwa pada sesi perdagangan 26 Juni, seluruh aliran keluar bersih harian sebesar $444,5 juta berasal dari IBIT. Tekanan ini muncul saat harga Bitcoin sudah tertekan, memperumit upaya pemulihan. Mekanisme ETF memungkinkan penebusan dilakukan baik secara tunai maupun dalam bentuk Bitcoin fisik, sehingga aliran keluar tidak selalu sama dengan penjualan spot langsung. Namun, ini menciptakan risiko transmisi dan pertanyaan tentang siapa yang akan menyerap likuiditas jika pemegang ETF terus keluar. Skenario ke depan terbagi dua: Jika aliran keluar IBIT melambat dan Bitcoin berhasil bertahan di atas $59.000-$62.000, tekanan pekan ini dapat dilihat sebagai proses pembersihan. Namun, jika IBit terus mendominasi aliran keluar dan Bitcoin gagal reclaim level $60.000, narasi "dinding tekanan jual" akan menguat, mengharuskan pembeli di luar ekosistem ETF untuk menopang pasar tanpa bantuan narasi permintaan institusional yang sebelumnya didorong oleh ETF. Hari-hari perdagangan mendatang akan menentukan jalurnya.

marsbit2j yang lalu

IBIT Alami Outflow Rp 185 Triliun dalam Seminggu, ETF Bitcoin Terbesar Berubah Menjadi Tembok Tekanan Jual yang Harus Ditembus Bull

marsbit2j yang lalu

Trading

Spot
活动图片